序贯检验

序贯检验就像做饭时隔一会儿就检查一下，而不是一直等计时器响：你可以边做边尝，菜明显熟了或明显烧焦了，就提前停下来。大多数传统统计方法要求你事先确定固定的样本量，而序贯方法允许你随着数据不断到来进行分析，并在证据足够支持决策时停止。当效应较大时，这种方法能节省资源和时间；当效应较小或尚不确定时，它仍能防止你得出错误结论。 请注意：下次你根据不断更新的数据做决定时，问问自己，提前查看数据时是否采取了适当的防护措施。

序贯检验如何运作

传统假设检验要求你在看到任何数据之前就确定样本量。序贯检验则把数据收集看作一个持续的过程，你会在预先设定的检查点评估证据。每到一个检查点，你通常会做出三种决定之一：因效果明确而停止、因继续下去很可能也看不到效果而停止，或继续收集更多数据。关键在于，每个检查点的统计阈值都会作出调整，以考虑你多次查看数据这件事，否则，你可能会把随机噪声看成有意义的规律。

停止规则如何保护你

停止规则是事先设定的界限，用来告诉你何时停止。这些界限成对出现：达到上界时，因为发现了真实效应而停止；达到下界时，因为证据表明继续下去很可能没有结果，或不太可能发现有实际意义的效应而停止。如果结果处于两条界限之间，就继续收集数据。数学上的设计能确保，即使你多次查看数据，总体错误率仍然受到控制。这就像山路上的护栏：你可以继续向前开，随时查看自己的位置，而护栏会防止你偏离道路。

现实中的应用

临床试验经常使用序贯检验。如果一种新药在早期就显示出显著益处，试验就会停止，以便让患者获得这种治疗。如果它显示出危害，或明显不太可能有效，试验也会停止，以免浪费资源、危及生命。科技公司会在产品上线时使用序贯实验，当新功能明显成功或失败时提前停止实验。制造业质量控制会采用序贯抽样方案检查成批零件，在质量明显合格或明显不合格时停止检查。金融交易会持续监测投资策略，当越来越多的证据表明策略无效时，就停止使用它。

实际使用时要考虑什么

序贯检验需要提前规划：你必须在收集数据之前确定检查点和停止界限。你不能只是“不断查看，直到看出点什么”，那样一定会出现假发现。不过，只要采用恰当的序贯设计，你就能提高效率：平均而言，序贯方法比固定样本量检验需要更少的样本，就能得出相同的结论。代价是设计和分析会更复杂。对于大多数数据随时间不断到来的实际决策，这份复杂性带来的时间和资源节省是值得的。

第二次世界大战期间，亚伯拉罕·瓦尔德为军火制造中的质量控制开创了序贯分析，为根据不断积累的数据做决策提供了严谨的框架。此后，这一领域逐渐成熟，能够在保持统计有效性的同时，处理复杂的序贯设计、群序贯方法和适应性试验。

主要研究发现：

• Wald（1947）：提出了序贯概率比检验（SPRT）。它为简单假设检验提供了最优停止规则，并使两种假设下的期望样本量都达到最小 [1]。
• Jennison 和 Turnbull（2000）：群序贯方法允许研究者按离散的时间间隔进行分析，而不必连续分析，让序贯设计能实际用于定期开展分析的临床试验 [2]。
• Stefan 等人（2022）：序贯贝叶斯因子方法可以高效比较证据，衡量证据对不同假设的支持程度，并结合先验几率（两个假设的先验概率之比）更新后验概率 [5]。

核心认识是：序贯方法可以在平均样本量大幅减少的情况下，达到相同的统计功效，也就是检出真实效应的能力。尤其当真实效应量与设定界限时采用的假设相差较大时，这种优势更明显。

序贯检验需要事先仔细设定停止界限。如果看到“有意思”的模式后，才临时决定继续还是停止，统计保证就会失效。这些方法假定数据质量随时间保持一致；测量方式或人群特征发生变化，都可能产生误导性结果。对于复杂设计，例如多臂试验或复合终点，计算正确的界限需要专门的软件或统计专业知识。在一些监管场景中，传统的固定样本量设计仍更受青睐，因为人们更熟悉它，也倾向于默认采用较保守的做法。